设计一个智能设备，可检测淋浴声，当风扇关闭时通过Home Assistant发出警告

防霉淋浴哨兵是一款智能的机器学习设备，可检测淋浴运行时的声音，并立即识别抽油烟机未开启的情况。它会实时向Home Assistant发送警报，提醒用户在湿度上升前启动通风设备。其效果简单却高效：一种低成本、自动化的防霉方式，可保护浴室表面，让您的家居环境更健康——无需安装新传感器或改动现有线路。

问题陈述：

在英国，由于淋浴时小而封闭的浴室中会产生大量湿气，因此霉菌风险显著增加。当排风扇关闭时，相对湿度会迅速超过70%至80%，使表面接近露点，从而形成冷凝水。英国住宅通常隔热良好，但被动通风有限，导致这些湿气无法自然散失。高湿度、冰冷的外墙以及通风不良的组合，为霉菌快速滋生创造了理想条件，尤其在填缝剂、石膏板和硅胶密封条上更为明显。

解决方案：

当用户开始淋浴时，运行在Arduino Q上的Edge Impulse机器学习模型会识别出淋浴的声学特征。一旦确认有淋浴活动，系统就会检查排风扇是否正在运行，并继续监测接下来的20分钟，以确保淋浴后通风正常。

如果在淋浴过程中或之后未检测到风扇，Arduino Q 就会向运行在 Raspberry Pi 5 上的本地 Home Assistant 发送信号，从而触发手机通知，提醒用户打开风扇，以防止湿气积聚和霉菌滋生。

该系统还能处理相反的情况：如果用户忘记关闭风扇，Home Assistant 会发送通知提醒其关闭，有助于减少不必要的电力消耗。

要从零开始构建此项目，请按照以下步骤操作：

1.在树莓派5上设置Home Assistant服务器

安装 Home Assistant 操作系统或进行受监督的设置，使其作为中央自动化枢纽。

2.将您的 Home Assistant 移动应用连接到本地服务器

这可实现安全的本地通知，使您的手机能够接收系统发出的提醒。

3.训练 Edge Impulse 机器学习模型

收集淋浴声音样本，进行标注，并训练一个能够可靠检测淋浴活动的分类器。

4.将训练好的模型部署到Arduino Q上

导出 Edge Impulse 模型，并将其烧录到 Arduino Q 上，以便在边缘端本地运行推理。

5.将 Edge Impulse 模型与 Home Assistant 集成

将Arduino Q发送的淋浴检测和风扇状态事件传送到Home Assistant，实现自动提醒和节能提示。

步骤1：在树莓派5上设置Home Assistant服务器

请注意，在此配置中，Raspberry Pi 5 作为 Home Assistant 的服务器，而 Arduino Q 则作为运行机器学习模型的客户端。Arduino Q 可检测淋浴和抽风扇的声音，并根据检测结果向 Home Assistant 发送事件。Home Assistant 会触发移动通知，提醒用户何时需要通风，或风扇是否被无故长时间运行。

树莓派5设置的先决条件

•128 GB SD 卡 — 推荐使用 Class 10 或更高等级

•树莓派5 — 板子和保护壳(可选但建议使用)

•键盘和显示器 — HDMI兼容显示

•官方 Raspberry Pi 5 电源 — 27W USB-C PD 供电

首先，你需要将 Home Assistant 操作系统刷入 SD 卡，并启动树莓派。

如果您的树莓派5没有以太网连接，请在安装Home Assistant操作系统后，按照以下步骤连接Wi-Fi。

1. 打开 HA OS 终端

如果已将键盘/显示器连接到树莓派，请使用本地控制台。

2. 扫描可用的Wi-Fi网络

代码

这显示了你周围的SSID。

3. 连接到您的Wi-Fi网络

请将 YOUR_SSID 和 YOUR_PASSWORD 替换为您实际的 Wi-Fi 信息：

代码

如果成功，您将看到确认信息，Pi 将连接到您的 Wi-Fi。

步骤2：将您的 Home Assistant 移动应用连接到本地服务器

现在，您的树莓派5已完全配置好并成功连接到Wi-Fi网络，下一步是启用Home Assistant与Home Assistant移动应用之间的通信，以便系统能够向用户实时推送通知。

安装 Home Assistant 移动应用

您需要使用官方应用程序来启用安全的本地通知和设备追踪功能。

1.从 App Store(iOS)或 Play 商店(Android)下载 Home Assistant 应用程序

2.确保您的手机连接到与 Raspberry Pi 5 相同的 Wi-Fi 网络

3. 启动应用

4. 使用您的 Home Assistant 账户登录

这将把您的手机与 Home Assistant 用户配置文件关联起来。

登录后，应用将自动注册您的设备。您可以在“设置”→“设备与服务”→“设备”中看到您的手机。

启用通知

通知必须在应用和手机上都允许。在应用中：进入应用设置 → 通知，然后开启通知功能。

在手机上：在系统设置中允许 Home Assistant 应用的通知

测试通知

请按照以下步骤测试通知：

•验证您的手机能够接收来自 Home Assistant 的通知。

•在 Home Assistant 中，前往开发者工具 → 服务

•选择 notify.mobile_app_

•发送一条测试消息，例如：{"message": "Test notification"}

•确认通知已出现在您的手机上

在测试完整的通知流程——从Arduino Q到Home Assistant服务器，再到移动设备的通知时，我使用了一个简单的Python脚本来验证连接性。要启用此通信，您必须在Home Assistant配置中生成一个长期访问令牌;该令牌可安全地将Arduino Q与Home Assistant及您的移动设备连接起来。同时，请确保树莓派(服务器)、Arduino Q和手机都连接到同一个Wi-Fi网络，以实现可靠的本地通信。

您必须在 Home Assistant 中启用长期访问令牌：

个人资料 → 长期访问令牌 → 创建令牌

用于Arduino Q运行的Python代码：

要在Arduino Q上运行Python代码，您首先需要完成一些必要的设置步骤。以下工作流程详细说明了准备电路板、配置环境以及确保Python脚本可靠执行所需的所有内容。

运行Python脚本后，我收到了一条直接从Arduino Q发送到iPhone的通知。这证实了端到端通信路径正常工作。现在我们可以进入下一步，构建Edge Impulse的机器学习模型。

步骤3：训练Edge Impulse机器学习模型

在 Edge Impulse 中，我们将按照结构化的工作流程来构建模型。首先，我们创建一个数据集，并使用四个目标类别对音频样本进行标注：“淋浴开启-抽水器风扇关闭”、“淋浴开启-抽水器风扇开启”、“淋浴关闭-抽水器风扇关闭”和“淋浴关闭-抽水器风扇开启”。在准备并标注完数据集后，我们便开始在 Edge Impulse 中训练机器学习模型。

根据验证结果，我们可能需要调整训练参数或收集更多样本以提高分类准确率。当模型达到满意的性能水平后，我们将使用生成的Arduino库将其部署到Arduino Q上，从而实现设备上的实时推理。

Arduino Q 没有内置麦克风，因此我通过 USB 路由器连接了一个 USB Type-C 麦克风以提供音频输入。

安装固件后，打开命令窗口并输入以下守护进程命令：

edge-impulse-linux

设备连接后，进入数据采集部分。

通过Arduino Q开始采集音频数据，记录淋浴声、抽风机声以及两者组合的声音，并使用edge impulse工具进行标注，分别标记为“淋浴开启-抽风机关闭”、“淋浴开启-抽风机开启”、“淋浴关闭-抽风机关闭”和“淋浴关闭-抽风机开启”。

在 Edge Impulse 中进行模型训练

在“创建脉冲”部分，请将预处理模块设置为MFE，并选择“分类”作为学习模块。

然后生成特征并进行可视化，以获取每个标签的高层次概览。

神经网络设置：

在神经网络设置中，将训练周期配置为100，学习率设置为0.005。在神经网络部分，按指示配置层数。

我使用了重塑层将音频数据转换为一维数组，并应用了一维卷积层进行模型训练。为了提高准确率，我还加入了丢弃层。

该模型在训练阶段达到了100%的准确率，足以进入下一步。

模型测试

在测试阶段，模型使用了未包含在训练过程中的新数据集进行评估。该模型达到了100%，足以支持硬件部署。

步骤4：将训练好的模型部署到Arduino Q

验证模型后，在终端中运行以下命令以继续。

首先我们需要在本地机器上下载训练好的EIM文件。

接下来，请按照以下步骤在您的Arduino Q上安装Linux SDK。这些步骤也包含在链接的文档中，为方便起见，我已标出关键操作。

安装 Linux SDK 的步骤

安装最新版本的 Python 3(>=3.7)。

安装 SDK

克隆此仓库以获取示例：

(可选)如果您想使用摄像头或麦克风示例，请安装依赖项：

位于 linux-sdk-python/examples/audio 目录下的 classify.py 示例程序无法直接与 Arduino Q 兼容，因为它无法以所需频率读取音频数据。我已修改了该脚本，并将更新后的版本上传至我的 Git 仓库。修订后的代码基于时间采样加载音频缓冲区，并重新采样以匹配模型预期的采样率。

下载并保存 classify_EI.py 和模型文件 EIM，位于 inux-sdk-python/examples/audio 目录下，然后运行以下命令在本地执行模型分类。

步骤5：将Edge Impulse模型与Home Assistant集成

音频分类流水线

系统接收连续的音频数据，这些数据被缓冲后传入自定义的 EI_classify.py 脚本进行处理。该脚本使用嵌入式 EIM 模型，为每个音频窗口生成分类结果。

EI_classify.py 中的分类标签计数器会追踪每个标签连续出现的次数。当标签为“ShowerONExtractorFanOff”或“ShowerONExtractorFanOn”，且计数超过 DETECTION_COUNT_SHOWER_ON(15秒)时，系统判断淋浴正在运行。

当此条件成立时，系统将启用一个定时器，该定时器将在5分钟后(可配置的时长)验证提取风扇是否仍处于开启状态。

如果未满足排风扇开启条件，系统将发送通知，提示用户打开排风扇。

当标签为“ShowerOffExtractorFanON”或“ShowerONExtractorFanOn”，且计数超过 DETECTION_COUNT_FAN_ON(1 分钟)时，系统将判定排风扇应被视为处于开启状态。

当此条件成立时，系统将启用第二个计时器，该计时器将在20分钟后检查提取器风扇是否仍然处于开启状态(也可进行配置)。

淋浴主动计时器回调函数调用

•当淋浴激活计时器到期后，系统会检查“淋浴关闭-抽油烟机风扇开启”标签的数量是否为零。

如果计数为零，系统将判断在淋浴开启期间抽湿风扇未运行。

•当此条件成立时，系统会向Home Assistant发送通知，提示其开启排风扇15至20分钟。

•Home Assistant 然后将此通知转发到用户的智能手表或首选设备

风扇主动计时回调

•当风扇活动计时器到期后，系统会检查“淋浴关闭排风扇开启”标签的数量是否大于7(一个可配置的阈值)。

•如果此条件为真，系统将判断抽湿风扇已运行足够长时间，以降低湿度。

•系统随后向Home Assistant发送通知，指示其关闭排风扇。

•Home Assistant 将此消息发送到用户的智能手表，确认湿度已降低，风扇可以关闭。

硬件设置

在这个原型中，我使用了防风雨外壳，Arduino Q 通过便携式移动电源供电。然而，对于长期部署，应通过专用的有线电源连接提供5伏电压，而不是使用便携电源。

未来增强功能：

该项目可通过添加Home Assistant自动化功能，根据淋浴检测事件自动开启或关闭抽风扇，从而进一步实现完全自主运行。

本文编译自hackster.io